目前隨著森林經(jīng)營理念的轉(zhuǎn)變,每個群體對于森林管理效益的側(cè)重點(diǎn)不同,并且森林經(jīng)營管理模式變的日趨復(fù)雜,因此森林可持續(xù)經(jīng)營的難度大大增加。由于森林景觀的復(fù)雜性、遙感傳感器的選擇及分類算法的局限性,使得在利用遙感數(shù)據(jù)進(jìn)行森林規(guī)劃的整個過程中伴隨著各種不確定性,因此如何提高精度和效率成為其面臨的一個嚴(yán)峻考驗(yàn)。遙感影像分類技術(shù)是森林景觀規(guī)劃的一種重要方法,影像獲取、預(yù)處理、影像分類算法選擇等組成了遙感影像分類應(yīng)用的技術(shù)鏈,而信息獲取以及目標(biāo)識別更是遙感應(yīng)用的核心技術(shù)。本文從影像獲取角度與算法性能方面進(jìn)行研究,進(jìn)而提高分類精度與效率本文主要對以下幾個方面進(jìn)行了研究：（1）在影像獲取中,MEMS （Micro-electro Mechanical System）傳感器能夠?qū)⒂跋穸ㄎ痪鹊?.01像素,也就是定位在亞像元級別,進(jìn)而能夠滿足運(yùn)動圖像的高精度定位,最終提高衛(wèi)星獲取信息的精度和防御能力。然而MEMS自身的特點(diǎn),使得極易出現(xiàn)鍵合失效問題,使得其壽命大大降低,這成為MEMS傳感器進(jìn)入市場的瓶頸之一。本研究利用TRIZ （Theory of Inventive Problem Solving）理論... 

【文章來源】：東北林業(yè)大學(xué)黑龍江省 211工程院校 教育部直屬院校

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 MEMS器件研究現(xiàn)狀
        1.2.2 森林經(jīng)營規(guī)劃的研究現(xiàn)狀
        1.2.3 遙感影像分類方法研究現(xiàn)狀
        1.2.4 并行算法的研究現(xiàn)狀
    1.3 研究內(nèi)容
    1.4 論文內(nèi)容安排
2 遙感影像獲取的研究分析
    2.1 遙感影像獲取的理論分析
    2.2 應(yīng)用MEMS傳感器獲取信息的分辨率
    2.3 MEMS傳感器鍵合失效問題的分析與解決
        2.3.1 鍵合失效問題描述與分析
        2.3.2 分析鍵合失效問題的理想解
        2.3.3 運(yùn)用TRIZ沖突矩陣和發(fā)明原理解決鍵合失效問題
    2.4 本章小結(jié)
3 遙感影像分類的方法
    3.1 基于像元的遙感分類方法
        3.1.1 監(jiān)督分類分析
        3.1.2 非監(jiān)督分類分析
    3.2 基于亞像元定位的分類方法
        3.2.1 亞像元定位的基本思想
        3.2.2 亞像元定位精度的評價(jià)方法
    3.3 基于模擬退火算法的亞像元定位方法
        3.3.1 模擬退火算法的原理簡介
        3.3.2 模擬退火中基于亞像元的理論模型
    3.4 對比分類算法的精度性能
    3.5 本章小結(jié)
4 Hadoop平臺下模擬退火算法的并行化研究分析
    4.1 Hadoop簡介及核心組件
        4.1.1 HDFS分布式文件系統(tǒng)
        4.1.2 Map Reduce算法執(zhí)行框架
    4.2 并行算法設(shè)計(jì)理念
        4.2.1 并行算法的設(shè)計(jì)方法
        4.2.2 并行算法的基本設(shè)計(jì)技術(shù)
    4.3 Map Reduce框架下模擬退火算法的并行化設(shè)計(jì)
        4.3.1 模擬退火算法獨(dú)立搜索的并行化
        4.3.2 模擬退火算法合作搜索的并行化
    4.4 本章小結(jié)
5 實(shí)驗(yàn)與結(jié)果評估分析
    5.1 并行算法與串行算法時間復(fù)雜度的對比
    5.2 實(shí)驗(yàn)?zāi)康呐c設(shè)計(jì)
    5.3 實(shí)驗(yàn)平臺搭建與部署
        5.3.1 實(shí)驗(yàn)平臺搭建
        5.3.2 Hadoop集群部署信息與Map Reduce分布式環(huán)境配置
    5.4 實(shí)驗(yàn)評估標(biāo)準(zhǔn)
    5.5 實(shí)驗(yàn)過程與理論分析
        5.5.1 并行模擬退火算法實(shí)驗(yàn)數(shù)據(jù)集的描述
        5.5.2 串、并行模擬退火算法實(shí)驗(yàn)結(jié)果分析
    5.6 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]遙感影像混合像元分解算法對比分析[J]. 田珊珊,楊敏華.  現(xiàn)代測繪. 2016(01)
[2]遙感分類技術(shù)在植被分類研究中的發(fā)展特點(diǎn)[J]. 王瑾.  科技展望. 2015(26)
[3]RS和GIS技術(shù)在中尺度景觀類型劃分與制圖中的應(yīng)用:以成都市龍泉驛區(qū)為例[J]. 歐定華,夏建國,張莉,歐曉芳,趙智.  生態(tài)學(xué)雜志. 2015(10)
[4]中國干旱半干旱地區(qū)濕地研究進(jìn)展[J]. 緱倩倩,屈建軍,王國華,肖建華,龐營軍.  干旱區(qū)研究. 2015(02)
[5]一種基于Hadoop平臺的并行樸素貝葉斯網(wǎng)絡(luò)輿情快速分類算法[J]. 馬賓,殷立峰.  現(xiàn)代圖書情報(bào)技術(shù). 2015(02)
[6]基于Map Reduce的并行小波聚類[J]. 歐炳華.  科技視界. 2014(30)
[7]粗糙模糊集的近似表示[J]. 張清華,王進(jìn),王國胤.  計(jì)算機(jī)學(xué)報(bào). 2015(07)
[8]干旱區(qū)艾比湖濕地土壤呼吸的空間異質(zhì)性[J]. 秦璐,呂光輝,張雪妮,何學(xué)敏,王合玲.  干旱區(qū)地理. 2014(04)
[9]MEMS傳感器的發(fā)展及其在煤礦井下的應(yīng)用研究[J]. 李軍,趙軍.  煤炭技術(shù). 2014(07)
[10]淺談遙感技術(shù)與應(yīng)用[J]. 金鑫.  數(shù)字技術(shù)與應(yīng)用. 2014(02)



本文編號：3148779